研究人员提出了一种实时且真实感十足的手部重建方法，称为3D-PSHR。该方法通过自适应规范点上采样策略实现高分辨率的手部几何表示，并提出了自适应变形方法，适应规范点的动态变化。此外，研究人员还通过学习外观颜色分解和上下文关注模块来建模纹理。他们的方法能够产生可动画的、逼真的、可重新照明的手部重建结果，并在实时渲染速度方面表现出卓越性能。

本文提出了一种使用压缩方法的框架，以实现对神经辐射场的存储量的超过40倍的减少，并具有竞争性的渲染质量和180 fps的实时渲染速度。该方法利用网格模型固有的代表特性，开发了非一致压缩方法以显着减少模型复杂性，并引入了名为“神经码书”的新颖参数化模块，通过快速优化来更好地编码每个场景模型的高频细节。相对于实时渲染方法而言，该方法具有存储成本的显著优势。